异常检查系统、异常检查方法以及存储介质技术方案

一个实施方式所涉及的异常检查系统具备：图像取得部(第一取得部)，其取得凸轮部的拍摄数据；第一检查部，其通过将凸轮部的拍摄数据输入到第一学习模型，来检查凸轮部是否有异常的嫌疑；以及第二检查部，其通过将由第一检查部判定为有异常的嫌疑的凸轮部的拍摄数据输入到第二学习模型，来检查凸轮部有无异常。来检查凸轮部有无异常。来检查凸轮部有无异常。

【技术实现步骤摘要】
异常检查系统、异常检查方法以及存储介质


[0001]本专利技术涉及异常检查系统、异常检查方法以及存储介质

技术介绍

[0002]工业用部件需要进行适当的检查，以防止在其生产工序中出厂低质量的部件。例如，在日本特开2020
‑
149578中，记载了使用通过机器学习而学习到的学习模型来判定部件的规格分类的技术。

技术实现思路

[0003]对部件进行检查的检查系统能够通过拍摄部件并解析其图像来判定部件表面的异常。在此，在部件的截面为正圆的形状的情况下，由于部件的某表面的部位与拍摄部件的照相机、照射表面的照明的位置关系不变，所以图像上被光照射的位置也不变。因此，检查系统通过AI(Artificial Intelligence)等对拍摄部件的各部分而得的多个图像进行解析，从而能够判定该部分有无异常。
[0004]然而，对于凸轮等截面不是正圆的部件(即，存在表面与旋转轴的距离不是一致而是不同的部位的部件)，由于拍摄部件的相机、照射表面的照明与部件的位置关系会发生变化，所以图像上被光照射到的位置会发生变化。因此，相机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检查系统，具备：第一取得部，其取得凸轮部的拍摄数据；第一检查部，其通过将所述凸轮部的拍摄数据输入到第一学习模型，来检查所述凸轮部是否有异常的嫌疑；以及第二检查部，其通过将由所述第一检查部判定为有异常的嫌疑的所述凸轮部的拍摄数据输入到与所述第一学习模型不同的第二学习模型，来检查所述凸轮部有无异常。2.根据权利要求1所述的异常检查系统，其中，所述第一学习模型是将所述凸轮部有无外观上的异常作为输出结果的模型，所述第一检查部在该输出结果表示所述凸轮部有外观上的异常的情况下，判定为所述凸轮部有异常的嫌疑，所述第二学习模型是将所述凸轮部的外观上的异常的类别作为输出结果的模型，所述第二检查部根据该输出结果表示的所述凸轮部的外观上的异常的类别，判定所述凸轮部有无异常。3.根据权利要求2所述的异常检查系统，其中，在所述第二学习模型的输出结果表示所述凸轮部的外观上的异常是液滴、去毛刺用的刷子的痕迹、检查痕迹或磨石纹中的至少某一种图样的情况下，所述第二检查部判定为所述凸轮部没有异常。4.根据权利要求1至3中任一项所述的异常检查系统，其中，所述第二检查部在所述拍摄数据中切取由所述第一检查部判定为有异常的嫌疑的分块，并将切取的分块的所述拍摄数据输入到所述第二学习模型。5.根据权利要求1至4中任一项所述的异常检查系统，其中，还具备：第二取得部，其取得与所述凸轮部设置在同一部件上的轴颈部的拍摄数据；以及第三检查部，其通过将...

【专利技术属性】
技术研发人员：梶野晃裕，田井遥，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：